Cualquiera de nosotros desea predecir con razonable fiabilidad el resultado de cada decisión que tenemos que tomar tanto en nuestras actividades profesionales como en todos los aspectos de nuestra vida personal.
Predecir los resultados de las decisiones involucra varios factores. Comencemos reconociendo que, aunque es posible hasta cierto punto predecir qué ocurrirá, hay limitaciones.
Debemos tener presente la probabilidad que ocurran o no los resultados deseados, y aceptar la incertidumbre que provocan muchos factores ambientales, institucionales e interpersonales que no están bajo nuestro control ni sobre los que podemos influir cómo afectarán a los procesos para llegar al resultado que buscamos lograr con cada decisión.
Además, tenemos que considerar que factores tales como como la información disponible, la información que no disponemos, las características de los ecosistemas involucrados y la complejidad de la situación también juegan un papel importante en el devenir de los acontecimientos derivados de nuestras decisiones que pueden o no acercarnos o alejarnos de lo que queremos lograr.
Existen métodos prácticos para lograr elaborar predicciones razonables. Herramientas para analizar datos, modelos estadísticos, generadores de simulaciones, e incluso el machine learning como un enfoque moderno.
Deberíamos diferenciar entre escenarios simples y complejos. Por ejemplo, predecir si saldrá “cara o cruz” al lanzar una moneda es sencillo, pero algo como las decisiones empresariales o la elección personal de la pareja para contraer matrimonio son más inciertas. En sistemas complejos, la
Consideraciones éticas
No podemos obviar cómo la dependencia excesiva en las predicciones puede ser riesgosa, ni la importancia del juicio humano con la carga subjetiva que conlleva.
También cuenta en el grado previsible de certeza cómo tenemos desarrollada nuestra capacidad para establecer un equilibrio razonable, lógico, entre el papel de la intuición (aunque cada vez más reconocido como un modelo admisible de conocimiento) versus los enfoques basados en los datos objetivos.
Certeza con tinte incierto
Sí, yo creo que es posible predecir el resultado de una decisión, aunque depende de múltiples factores que siempre influyen en la certeza de la predictibilidad.
En principio la información disponible y todo lo que no sabemos. Cuantos más datos y contexto tengas sobre la situación, mayor será la precisión de la predicción. Por ejemplo, en finanzas, modelos como el análisis de riesgos usan datos históricos para estimar resultados.
Obviamente, la complejidad del sistema en el que se toman las decisiones. En los sistemas simples, por ejemplo, lanzar un dado, son más predecibles que en sistemas caóticos o dinámicos como la evolución de sectores de la economía o el pronóstico del clima.
Tenemos que aceptar que vivimos en un ecosistema sociocultural, geográfico, económico y tecnológico colmado de variables que no podemos controlar, ni influir sobre cómo afectarán para bien o para mal lo que queremos lograr. Los factores externos (cambios políticos, desastres naturales, etc) pueden alterar los resultados, incluso con la mejor planificación que realicemos.
Y lo que considero como el factor de mayor peso que media entre nuestras decisiones y los resultados que logramos con ellas: el comportamiento humano (propio y ajeno). Las emociones, las creencias, los sesgos cognitivos, las decisiones que toman otras personas introducen riesgos de imprevisibilidad en nuestras predicciones. Quizás el mejor ejemplo es lo que ocurre cada jornada en los mercados bursátiles.
La buena noticia
Existen herramientas para mejorar la fiabilidad de las predicciones. No sólo modelos estadísticos y matemáticos capaces de crear escenarios de simulaciones bastantes confiables; aunque no infalibles de manera absoluta.
La Inteligencia Artificial (IA), elaborada por algoritmos de machine learning capaces de analizar patrones en grandes volúmenes de datos para predecir tendencias está abriendo una brecha insospechada hacia capacidades de predicción con sorprendente precisión. Todavía no sabemos con claridad cómo decantará la IA en el acierto de las decisiones críticas que tengamos que tomar en un mundo con creciente impredecibilidad de cómo afectarán los problemas que la humanidad está creando.
Entonces, predecir resultados es una habilidad maravillosa, pero no es “infalible”. Lo ideal es combinar análisis de datos y preparación para enfrentar lo inesperado. Como dijo el estadístico George Box (1919/2013): «Todos los modelos están equivocados, pero algunos son útiles».